OpenTelemetry 入门：面向 AI 应用与 AI Agent 开发者的通俗指南
介绍 OpenTelemetry 的核心组件、观测信号及其在 AI Agent、RAG 和生产可观测性中的应用。
RAG 系统中的 Chunking 最佳实践
介绍 RAG Chunking 从固定切块到结构化、上下文化与评估驱动的设计方法。
RRF 在 RAG 中的作用：一种简单但并非万能的检索融合方法
介绍 RRF 在 RAG 多路检索融合中的作用、计算方式、适用场景和主要局限。
RAG 检索中的 Dense + Sparse Hybrid Search
介绍 Dense Search、Sparse Search、RRF 和 Reranker 在企业 RAG 检索链路中的作用。
企业级 RAG 系统搭建指南
如果想构建企业级 RAG 系统的话，可以参考这篇博客。
把 Deep Research 做成可插拔能力：NVIDIA AI-Q Skill 对企业级 Agent 架构的启发
2026 年 5 月 20 日，NVIDIA 发布了一篇技术文章，介绍如何把 AI-Q 的深度研究能力包装成一个可被 Claude Code、Codex、OpenCode 等 agent harness 调用的“专用技能”。这篇文章的关键点不只是“又多了一个 AI 工具”，而是提出了一种更清晰的企业级 Agent 分层方式：让通用 agent harness 负责会话、工具编排、代码执行和用户交互，让专门的 research backend 负责多源检索、规划、综合、引用、评估和企业数据治理。(NVIDIA Developer) ...
腾讯 AI Leader 姚顺雨 在这个PodCast中聊了什么？
本文围绕 Latent Space 对 Shunyu Yao 的访谈，梳理 ReAct、Reflexion、Tree of Thoughts、memory、benchmark、ACI 和 agent UX 等主题，并总结 AI agent 工程落地中工具、环境、评估与接口设计的重要性。
2026 年 AI Engineer 学什么值钱
本文从基础 RAG pipeline 被平台吸收的趋势出发，分析 2026 年 AI 应用工程师应该重点投入的高溢价技能，包括评估与可观测性、数据治理与权限控制，以及 agentic workflow 的深度工程能力。
把最重要的事放到身体最适合的时间：我的作息调整与时间利用手册
一份基于睡眠、昼夜节律和能量状态的个人作息调整手册，帮助把高价值任务安排到最适合的时间。
LLM 的“心口不一”: 理解 LLM 行为的一把万能钥匙
本文用 hidden state 与 token 之间的带宽鸿沟，统一解释 Chain of Thought、prompt 长度、few-shot、性格漂移与幻觉等 LLM 工程现象。